车流量视频检测系统,属于视频智能分析的应用范畴,是智能交通系统不可缺少的构成部分。该系统通过在公路上安装摄像头获取交通视频源,对其进行实时车辆数目统计,并将结果输出至终端管理,为交通管理和决策提供重要依据,为交通控制贡献一份力量。由于车流量检测技术还不成熟,尤其是在复杂背景下存在严重的误检、漏检、和运行效率差等问题。本文在已有的研究成果上进一步做出自己的研究与分析,着重探讨了车辆检测的方法,经过对比和测试表明：基于Haar特征和Adaboost级联分类器的车辆检测算法,应用于车流量视频检测系统取得了较好的效果,尤其是在复杂背景下,大大改善了传统车辆检测方法不可避免的误检漏检等情况。主要工作如下：(1)视频采集与视频图像预处理。简单介绍了摄像头的安装和交通视频的采集；根据实际应用研究了图像预处理的方法,结果表明：中值滤波能够很好地去除椒盐噪声,直方图均衡化能够取得较好的增强效果。(2)车辆检测。概括性的分析了基于图像处理的几种常用的车辆检测算法,并总结各方法的优缺点,其中对背景差分法做重点分析。深入研究了提取类Haar特征结合Adaboost级联分类器的车辆检测算法,该方法来源于Viola和Jones提出的人脸检测思想,并在早几年被研究者们引入车辆检测。将该方法与背景差分法进行对比,得出结论：该算法简单易行、鲁棒性高、检测效果好、检测速度快,尤其在复杂背景下具有更加明显的优势。(3)跟踪计数。分析了几种常用的跟踪算法,并结合具体的实际应用,对检测到的车辆选择基于区域的跟踪算法,结果表明：该方法能够很好的实现车辆跟踪,并有利于进一步完成车辆计数。(4)系统实现。将Haar特征结合Adaboost级联分类器的车辆检测算法,应用于车流量检测系统的构建,将检测到的车辆运用区域跟踪算法,完成车流量的计数。在Windows XP系统下使用Microsoft Visual C++2010编程环境,调用Opencv库进行功能实现。经过测试验证：车流量检测系统的性能良好,准确率高达90%,并且能够满足实时性要求。